迷你課程:R語言-2~Dataframe與tibble
Quick look
今天介紹R的兩種重要資料結構：
- Data Frame: 傳統的資料表格式，類似於spreadsheet。
- Tibble: Data Frame 的現代化版本，具有更直觀的特性與優化。
Data Frame
Data Frame 是 R 中常用的資料結構之一，主要用於存儲行列形式的數據。每個column可以包含不同的數據類型(數字、字串、布林值等)，其實就是將list數據框化，但每row內的數據類型必須一致。
建立 Data Frame
可以使用 data.frame() 函數來建立 Data Frame：
# 建立一個 Data Frame
df <- data.frame(
Name = c("John", "Alice", "Bob"),
Age = c(25, 30, 28),
Score = c(85.5, 92.0, 78.5)
)
# 查看 Data Frame
print(df)
#>
Name Age Score
1 John 25 85.5
2 Alice 30 92.0
3 Bob 28 78.5
Data frame的操作
df$Name # 使用column name
df[, "Age"] # 使用column name
df[["Score"]] # 使用雙中括號
# 獲取row
df[1, ] # 第一row
# 獲取特定元素，與matrix類似
df[2, 3] # 第2 row第3 column
Data Frame 的特性
允許帶有名稱的列和行:
可以使用 names()設置column名，也可以用rownames()設置row名。
names(df) <- c("姓名", "年齡", "成績")
若有需要，也可以將data frame轉換為矩陣：
as.matrix(df)
常用函數
# 查看結構與摘要
str(df) # 查看結構
summary(df) # 查看摘要統計
Tibble
Tibble是tidyverse套件中的Data Frame，提供更友好的功能，特別適合處理大型或複雜數據。
建立 Tibble
可以使用tibble()函數來建立Tibble：
# 載入 tidyverse
library(tibble)
# 建立一個 Tibble
tb <- tibble(
Name = c("John", "Alice", "Bob"),
Age = c(25, 30, 28),
Score = c(85.5, 92.0, 78.5)
)
# 查看 Tibble
print(tb)
#>
# A tibble: 3 × 3
Name Age Score
<chr> <dbl> <dbl>
1 John 25 85.5
2 Alice 30 92.0
3 Bob 28 78.5
Tibble僅顯示前幾行和列的數據，幫助我們快速預覽，避免大數據集導致的視覺上的overload。另外tibble輸出的數據框會帶入每一column的資料型態，幫助我們迅速了解數據框。
Tibble 的優勢
- 不自動轉換資料類型。
- 輸出格式簡潔，特別適合大數據集。
- 使用 $ 提取列，與 Data Frame 一樣簡單。
Tibble與Data Frame的比較
# 將 Data Frame 轉換為 Tibble
tb_from_df <- as_tibble(df)
# 查看差異
class(df) # "data.frame"
class(tb_from_df) # "tbl_df" "tbl" "data.frame"
Data Frame 與 Tibble 的操作對比
| 功能 | Data Frame | Tibble |
|---|---|---|
| 建立資料結構 | data.frame() |
tibble() |
| 取值方式 | df[1, "Name"] 或 df$Name |
tb[1, "Name"] 或 tb$Name |
| 資料類型轉換 | 預設將字串轉換為因子 | 不會自動轉換字串 |
| 輸出格式 | 完整列印，可能過多 | 友好格式，適合大數據 |
| 結構查看 | str(df) |
glimpse(tb) |
使用dplyr與Tibble結合
- data frame 也可以用dplyr串接，但是tibble的設計可以讓整體更簡潔。使用
dplyr操作時，特別是在篩選filter和分組group_by中處理字串數據時更加直觀。 - 支持非標準列名：Tibble 支持包含空格或特殊字符的列名，而Data Frame通常需要更複雜的處理。
# 載入 tidyverse
library(tidyverse)
# 篩選年齡大於27的資料
filtered_tb <- tb %>%
filter(Age > 27)
# 新增一欄，計算加權分數
tb <- tb %>%
mutate(Weighted_Score = Score * 0.9)
# 排序
tb <- tb %>%
arrange(desc(Age))
tb <- tibble(
'Name A' = c("John", "Alice", "Bob"),
Age = c(25, 30, 28),
Score = c(85.5, 92.0, 78.5)
)
#tibble可以允許中間有空格的column name，但是data frame則會自動將空格縮成.，會導致錯誤
tb$`Name A`
關於tidyverse的部分，後續我會專門做介紹。
課程小結
| 資料類型 | 特性 | 範例 |
|---|---|---|
| Data Frame | 行列結構，row內類型一致，column間可不同 | data.frame(Name, Age, Score) |
| Tibble | 現代化 Data Frame，靈活且友好 | tibble(Name, Age, Score) |
